文档信息抽取全局标记模型

全局链接实体

该模型将实体识别与关系抽取任务统一为标记关系分类，可有效缓解文档文本顺序错乱问题。

Shaojie, He · Wang, Tianshu · Lu, Yaojie · Lin, Hongyu · Han, Xianpei · 孙应飞 · 孙乐

Lecture Notes in Computer Science 2023

技术优势

缓解文本顺序错乱

将序列标注任务转化为标记关系分类，全局链接非连续实体，从而不受文本错误顺序的影响。

联合抽取实体与关系

设计联合训练损失与联合解码策略，同时完成实体识别和关系抽取，避免分步处理的误差传递。

无需显式序列化

通过全局标记直接建模文本单元间关系，不再依赖文档文本的线形顺序，简化处理流程。

应用场景

• 信息抽取：用于从非结构化文档中抽取关键信息，如发票、合同中的实体与关系。
• 文档智能：为复杂布局的文档提供端到端信息抽取能力，提升文档智能化处理水平。
• 数据预处理：在数据预处理阶段，直接从原始文档中提取结构化数据，减少人工整理工作。
• 自然语言处理：将 NLP 中的序列标注与关系分类技术应用于文档级信息抽取任务。